입력 2025.11.07 09:57
- 역확률가중치(IPS)의 통념 뒤집은 연구… 추천모델 성능 향상 원인 새롭게 규명
서울시립대학교(총장 원용걸)는 전종준 교수 연구팀의 논문 ‘Revisiting IPS in Recommendation Models: Unveiling Its Impact on Model Performance’(추천 모델에서 역확률가중치 재고: 모델 성능에 대한 영향 분석)이 데이터 마이닝 및 머신 러닝 분야 세계 최고 권위 국제학회인 ‘WSDM(Web Search and Data Mining) 2026’에 채택됐다고 밝혔다.
WSDM은 미국컴퓨터학회(ACM)가 주관하는 웹 검색·추천·데이터마이닝 분야의 국제 최우수 학회로, 웹·소셜 웹 전반에서의 검색과 데이터 마이닝 최신 연구 성과가 발표된다. 한국연구재단과 한국정보과학회 모두에서 최우수 학회로 분류되며, 매년 전 세계에서 수천 편의 논문이 접수되는 가운데 채택률은 약 15~20% 수준에 불과하다.
이번에 채택된 논문은 ‘추천시스템의 선택 편향 문제에서 널리 활용되어 온 IPS의 효과를 새로운 관점에서 재해석한 연구다. 연구팀은 이론적으로 모형이 정확히 규정된 경우(Correctly-specified), 역가중확률을 적용한 위험함수와 역가중확률법을 적용하지 않은 통상적인 위험함수가 동일한 최적해를 가질 수 있음을 보이며, 기존의 역가중확률 기반 방법의 성능이 비편향 위험 최소화 그 자체에서 비롯된다는 기존 통념에 의문을 제기했다.
이 결과는 상품 추천에서 광고의 노출효과와 개인 선호를 분리하기 위해 도입된 인과적 방법론(역가중확률법)이 사실상 선호모형의 비편향 추론과는 관계가 없음을 시사한다. 대신 인과적 방법론을 이용한 추천모형의 실질적 성능 향상이 멀티태스크 학습이 임베딩 공간을 풍부하게 만들어 주는 정규화 효과에서 주로 발생한다는 점을 실험적으로 입증했다.
이번 연구는 과학기술정보통신부(한국연구재단)의 데이터사이언스 융합인재양성사업과 개인기초연구사업(중견연구) ‘언어모형을 이용한 분포학습 연구’의 지원을 받아 수행됐다.
논문은 서울시립대학교 통계데이터사이언스학과 신원형 박사과정생이 제1저자로, 통계학과 전종준 교수가 교신저자로 참여했다.
연구팀은 “데이터셋·플랫폼이 바뀌어도 IPS 재가중 없이 멀티태스크 학습만으로도 견고한 일반화 성능을 낼 수 있음을 확인했다”며 “이번 연구는 대규모 추천 엔진과 생성형 AI 기반 추천·서치 전반에 즉시 적용 가능한 함의가 있다”고 말했다.
한편 연구팀은 인과추론 관점에서 순차적 추천(sequential recommendation)의 인기 편향을 해결하기 위한 후속 연구를 진행 중이다. 실제 스트리밍 로그와 온라인 A/B 환경에서의 일반화 능력을 강화하는 동시에, 경량화·저지연 추론이 가능한 아키텍처를 병행 개발하여 대규모 실서비스에 즉시 적용하는 것을 목표로 하고 있다.